GEO效果忽好忽坏，我先去查了喂料里同义词表的版本号

上周又碰到一个典型问题：同一个问句，AI 隔两天答出来的口径不一致，客户直接问是不是 GEO 没做好。

简单说，问题不在模型，在喂料。我让团队把最近三个月的喂料批次拉出来，按同义词表版本号对了一遍，发现中间换过一版，新版把「轻量版」和「入门款」合并了，旧版里这两个词还是分开的。AI 拿到两套口径，回答自然飘。

这事我踩过不止一次。去年给一家硬件客户做试点，产品参数里「续航」和「待机」两个字段，运营在 Excel 里写反了，改回来之后 AI 答续航时间还是错的。我顺着日志回溯到喂料批次，才发现改的那版没进正式链路，线上跑的还是旧包。返工成本不高，但排查花了三天——因为一开始没人去看批次号。

所以我现在的做法很固定：

第一，每次喂料前，同义词表和字段命名表必须带版本号，和内容一起进仓，别只丢个 Excel 进去。

第二，AI 答错先别改 prompt，先拉喂料批次日志，按时间戳对齐。绝大多数「幻觉」其实是旧数据没清干净，或者两批数据口径打架。

第三，验收加一条「同批次一致性」：同一批喂料，抽 20 条问句连问三遍，答案口径不一致的直接退回重跑，别等客户发现。

GEO 的技术门槛真不高，难的是内容质量背后的口径管理。很多人把力气花在调模型和写 prompt 上，源头那几张表没对齐，后面全是返工。

问一句：你们喂料的时候，同义词表和字段命名表是跟内容一起进版本库，还是散在运营的共享盘里？